发明名称 | 一种用于聚类的基于非负矩阵分解的降维方法 | ||
摘要 | 本发明属于统计模型识别与机器学技术领域,具体为一种用于聚类的基于非负矩阵分解的降维方法。本发明方法采用KL距离,加入数据归一化约束,通过最小化数据压缩和重建之间的目标误差函数,直接发觉数据维之间的内在关系,最终获得映射矩阵;再利用该映射矩阵,把高维数据投影到低维子空间中,从而进行有效的数据分析,如聚类等。本发明得到了比原分解方法更加简练的迭代公式,并在每次迭代更新中能够自然保持归一。归一化使得最终的映射矩阵与原分解方法相比具有更好的稀疏性。在得到的低维空间中,聚类结果表明本发明方法可得到更加有效的低维数据特点,算法简单而有效。 | ||
申请公布号 | CN101853239A | 申请公布日期 | 2010.10.06 |
申请号 | CN201010167504.4 | 申请日期 | 2010.05.06 |
申请人 | 复旦大学 | 发明人 | 郭跃飞;朱真峰;薛向阳 |
分类号 | G06F15/18(2006.01)I | 主分类号 | G06F15/18(2006.01)I |
代理机构 | 上海正旦专利代理有限公司 31200 | 代理人 | 陆飞;盛志范 |
主权项 | 一种用于聚类的基于非负矩阵分解的降维方法,其特征在于采用KL“距离”,在数据非负要求的基础上,加入数据归一化约束,通过最小化数据压缩和重建之间的目标误差函数,直接寻求数据维之间的内在关系,最终获得映射矩阵;再利用该映射矩阵,把高维数据投影到低维子空间中,从而进行相应的数据分析。 | ||
地址 | 200433 上海市邯郸路220号 |